Show simple item record

Thailand’s COVID-19 Integrated Systems Simulation Modeling

dc.contributor.authorบวรศม ลีระพันธ์th_TH
dc.contributor.authorBorwornsom Leerapanth_TH
dc.contributor.authorระพีพงศ์ สุพรรณไชยมาตย์th_TH
dc.contributor.authorRapeepong Suphanchaimatth_TH
dc.contributor.authorพาส์น ฑีฆทรัพย์th_TH
dc.contributor.authorPard Teekasapth_TH
dc.contributor.authorแพรวนภา พันธุ์สวาสดิ์th_TH
dc.contributor.authorPraewnapa Puntusavaseth_TH
dc.contributor.authorวรารัตน์ ใจชื่นth_TH
dc.contributor.authorWararat Jaichuenth_TH
dc.contributor.authorวรสิทธิ์ ศรศรีวิชัยth_TH
dc.contributor.authorVorasith Sornsrivichaith_TH
dc.contributor.authorปณิธี ธัมมะวิจยะth_TH
dc.contributor.authorPanithee Thammawijayath_TH
dc.contributor.authorภาณุวิชญ์ แก้วกำจรชัยth_TH
dc.contributor.authorPhanuwich Kaewkamjonchaith_TH
dc.date.accessioned2020-07-20T09:21:54Z
dc.date.available2020-07-20T09:21:54Z
dc.date.issued2563-05
dc.identifier.isbn9786164434592
dc.identifier.otherhs2580
dc.identifier.urihttp://hdl.handle.net/11228/5236
dc.description.abstractกรอบแนวคิดที่ประเทศไทยใช้กำหนดทิศทางของการจัดการปัญหาการระบาดใหญ่ของโรคติดเชื้อไวรัสโคโรนา 2019 หรือโควิด-19 (COVID-19) ภายใต้บริบทของระบบสุขภาพของประเทศไทยในปัจจุบัน อาจมีแนวโน้มของการคิดแยกส่วนโดยอาศัยความเชี่ยวชาญเฉพาะด้านเพื่อสนับสนุนกระบวนการตัดสินใจเชิงนโยบาย แต่ปัญหาการระบาดใหญ่ของโควิด-19 เป็นปัญหาซับซ้อนที่เกี่ยวข้องกับความสัมพันธ์ซึ่งกันและกันระหว่างสาเหตุในด้านต่างๆ มีความไม่แน่นอนในการแก้ไขปัญหาจากความรู้ที่มีอยู่จำกัดในปัจจุบัน ทำให้การตัดสินใจเชิงนโยบายด้วยการคิดแบบแยกส่วนอาจสร้างผลข้างเคียงของนโยบายที่ไม่ได้คาดคิดไว้ล่วงหน้า แต่นักระบาดวิทยาและนักวิจัยระบบสุขภาพสามารถประยุกต์ใช้แนวคิดและเครื่องมือของกระบวนการคิดเชิงระบบ (Systems Thinking) เพื่อวิเคราะห์ทางเลือกเชิงนโยบายในการแก้ไขปัญหาและลดข้อจำกัดของกระบวนการคิดแบบแยกส่วน โดยพิจารณาปัญหาการระบาดของโควิด-19 ในประเทศไทยเป็นส่วนหนึ่งของปรากฏการณ์ในระบบสังคมที่ซับซ้อนและปรับตัวได้ ซึ่งมุ่งทำความเข้าใจความสัมพันธ์ระหว่างองค์ประกอบของระบบทั้งหมดที่เชื่อมโยงกัน การทบทวนวรรณกรรมและข้อมูลเชิงปริมาณเพื่อกำหนดรูปแบบการเปลี่ยนแปลงของพฤติกรรมของระบบสุขภาพที่เกี่ยวข้องปัญหาโรคติดเชื้อไวรัสโคโรนา 2019 ในประเทศไทย ชี้ให้เห็นว่าจำนวนผู้ติดเชื้อและจำนวนผู้ป่วยโควิด-19 ที่ต้องรับไว้รักษาในโรงพยาบาลในประเทศไทยมีการเปลี่ยนแปลงในช่วงเวลาในลักษณะของความสัมพันธ์ที่ไม่เป็นเส้นตรงแต่ขึ้นอยู่กับค่าระดับการติดเชื้อพื้นฐาน (Basic Reproduction Number: R0) ซึ่งแสดงความสามารถในการแพร่เชื้อตามธรรมชาติของเชื้อไวรัสโคโรนา 2019 จากจำนวนคนเฉลี่ยที่ผู้ติดเชื้อ 1 คนสามารถแพร่เชื้อไปยังกลุ่มประชากรที่ไม่มีภูมิคุ้มกันและค่าระดับการติดเชื้อที่เกิดขึ้นจริงในแต่ละช่วงเวลา (Effective Reproduction Number: Rt) ซึ่งแสดงความสามารถของการแพร่เชื้อหลังจากมีการใช้นโยบายและมาตรการควบคุมโรค โดยที่ค่า Rt < 1 สะท้อนแนวโน้มควบคุมการระบาดได้ การวิเคราะห์ข้อมูลเชิงคุณภาพที่เกี่ยวข้องนำไปสู่การพัฒนาแผนภาพเชิงสาเหตุ (Causal Loop Diagram: CLD) ที่แสดงความสัมพันธ์ระหว่างองค์ประกอบของปัญหาที่รอบด้าน ซึ่งชี้ให้เห็นว่าปัญหาการระบาดของโควิด-19 ในประเทศไทยเป็นผลมาจากการปรับตัวที่ซับซ้อนของระบบสุขภาพ ตัวอย่างเช่น ในระยะแรกของการระบาดในประเทศไทยมีจำนวนผู้ติดเชื้อจำนวนน้อยและเพิ่มขึ้นอย่างช้าๆ เป็นผลมาจากกระบวนการควบคุมโรคที่มุ่งเน้นการกักโรคและแยกโรค โดยเฉพาะกลุ่มเสี่ยงที่เป็นผู้เดินทางกลับจากต่างประเทศเสริมด้วยมาตรการด้านสุขอนามัยส่วนตัวและการเพิ่มระยะห่างทางกายภาพ แต่เมื่อเกิดการระบาดแบบกลุ่มในสนามกีฬาและสถานบันเทิงของกรุงเทพมหานคร ทำให้มีจำนวนผู้ติดเชื้อเพิ่มขึ้นอย่างรวดเร็วส่งผลให้ผู้กำหนดนโยบายตัดสินใจใช้นโยบายการควบคุมโรคเข้มข้น เช่น ปิดสถานประกอบการ ให้ประชาชนอยู่บ้านและจำกัดการเดินทางแต่กลับมีผลข้างเคียงคือทำให้ผู้ติดเชื้อส่วนหนึ่งที่อยู่ในเมืองใหญ่ไม่มีงานทำและจำเป็นต้องปรับตัวโดยเดินทางกลับบ้านเกิด ทำให้มีการแพร่กระจายของเชื้อไปทั่วไปประเทศ ความเข้าใจในความสัมพันธ์ระหว่างองค์ประกอบของระบบทั้งหมดที่เชื่อมโยงกันจากการพัฒนาแผนภาพเชิงสาเหตุนำไปสู่การพัฒนาสังเคราะห์โครงสร้างของแบบจำลองสถานการณ์ระบบพลวัต (System Dynamics Simulation Models: SD) ของระบบบูรณาการเพื่อแก้ไขปัญหาการระบาดของโควิด-19 โดยพัฒนาต่อยอดจากแบบจำลองสถานการณ์ทางระบาดวิทยา โดยเพิ่มเติมกลุ่มนโยบายเพื่อบูรณาการระบบการแก้ไขปัญหาโควิด-19 ทั้งมาตรการควบคุมโรค มาตรการเพิ่มขีดความสามารถของระบบบริการสุขภาพและมาตรการเยียวยาผลกระทบด้านเศรษฐกิจและสังคม การทดสอบผลลัพธ์ของทางเลือกเชิงนโยบายด้วยแบบจำลองสถานการณ์เพื่อให้ผู้กำหนดนโยบายสามารถตัดสินใจเลือกนโยบายที่มีโอกาสสร้างผลลัพธ์ในการควบคุมโรคมากที่สุดหรือมีผลกระทบเชิงลบน้อยที่สุด รวมทั้งสามารถใช้แบบสถานการณ์นี้เป็นเครื่องมือในการสังเคราะห์บทเรียนเพื่อวางแผนปฏิรูประบบสุขภาพของประเทศไทยในระยะยาว เช่น ทดสอบนโยบายเพื่อลดผลกระทบของการระบาดของโรคอุบัติใหม่ในประชากรกลุ่มเปราะบางที่อาจส่งผลต่อความเป็นธรรมด้านสุขภาพ (Health Equity) หรือทดสอบนโยบายเพื่อเพิ่มขีดความสามารถในการปรับตัวของระบบสุขภาพ (Systems Resilience) เพื่อให้สามารถรับมือกับวิกฤตอื่นๆ ที่อาจเกิดขึ้นได้อีกในอนาคตth_TH
dc.description.sponsorshipสถาบันวิจัยระบบสาธารณสุขth_TH
dc.language.isothth_TH
dc.publisherสถาบันวิจัยระบบสาธารณสุขth_TH
dc.rightsสถาบันวิจัยระบบสาธารณสุขth_TH
dc.subjectCOVID-19 (Disease)th_TH
dc.subjectCoronavirusesth_TH
dc.subjectโควิด-19 (โรค)th_TH
dc.subjectไวรัสโคโรนาth_TH
dc.subjectภาวะผู้นำและการอภิบาล (Leadership and Governance)th_TH
dc.subjectHealth Systemsth_TH
dc.subjectระบบสุขภาพth_TH
dc.titleการพัฒนาแบบจำลองบูรณาการระบบการแก้ไขปัญหาโรคติดเชื้อไวรัสโคโรนา 2019 เพื่อสนับสนุนกระบวนการตัดสินใจเชิงนโยบายth_TH
dc.title.alternativeThailand’s COVID-19 Integrated Systems Simulation Modelingth_TH
dc.typeTechnical Reportth_TH
dc.description.abstractalternativeThe conceptual framework that policymakers in Thailand can use to deal with the pandemic of the novel coronavirus SARS-CoV-2 (the COVID-19 pandemic) under the contexts of Thailand‖s health systems might be driven from compartmentalized thinking or decision supports from experts in health disciplines. But the COVID-19 pandemic is a complex problem, with interconnected causes of the health, social and economic problems, and uncertainties of how to solve such problems as only limited knowledge exists due to its nature of an emerging disease. With compartmentalized thinking, any decision-making could create unintended adverse consequences. However, epidemiologists and health systems researchers can apply concepts and tools of systems thinking to create well-rounded policy options to address the COVID-19 pandemic by investigating all interconnected relationship among factors that can influence the outcome of the disease epidemic, and considering the society as a complex adaptive system that will adapt to both the disease and the disease control policies. Literature suggests that behavioral change of stakeholders can lead to many avoidable problems of COVID-19 in Thai health systems contexts. By the nature of infectious disease, the number of infected people has not increased linearly, but non-linearly. The speed that the disease spreading out depends on the basic reproduction number (R0) that represents an average number of susceptible people who get infected from one infected person, and the effective reproduction number (Rt) that represents an average number of susceptible people who get infected from one infected person taking into the accent of the effectiveness of policies and measures in disease control, where Rt < 1 indicates an effective disease control. A causal loop diagram (CLD) was constructed from qualitative data analyses to demonstrate the relationships among all factors relevant to the epidemic. The CLD points out that many epidemic problems can be a result of adaptations of stakeholders. For instance, the number of infected people in Thailand were minimum and only gradually increased in the early phase of the epidemic, thanks to effective quarantine and isolation measures of those who came back from an international trip, as well as personal hygiene and physical distancing behaviors of the population. But the clustered epidemics at pubs, bars, and a boxing stadium in Bangkok increased the number of newly infected each day in late March led to policy-decision to use the “hammer” measures (closing workplace, stay-at-home policy, work-from-home policy, and travel bans). However, such the policies also created adverse consequences as the workers in Bangkok who lost their jobs due to the workplace close needed to travel back to their hometown, spreading the disease to all over the country. The understanding of epidemic systems from CLD led to the development of system dynamics simulation models (SD), which can be used as an integrated systems tool for addressing the COVID-19 problems by adding policies and measures upon the epidemic model, such as increasing personal hygiene and physical distancing, and enhancing the capacity of outbreak investigators and healthcare facilities. Experimenting each policy option on the simulation modeling can help policymakers decide which policy potentially results into the most effectiveness and the least unintended consequences. In the long-run, it can also be used for synthesizing healthcare reforms strategies on how to mitigate the future epidemics, reduce consequences of epidemics on the vulnerable populations and health inequity, and improve the health systems resilience and be more ready for any future crises.th_TH
dc.identifier.callnoWC503 บ189ก 2563
dc.identifier.contactno63-055
.custom.citationบวรศม ลีระพันธ์, Borwornsom Leerapan, ระพีพงศ์ สุพรรณไชยมาตย์, Rapeepong Suphanchaimat, พาส์น ฑีฆทรัพย์, Pard Teekasap, แพรวนภา พันธุ์สวาสดิ์, Praewnapa Puntusavase, วรารัตน์ ใจชื่น, Wararat Jaichuen, วรสิทธิ์ ศรศรีวิชัย, Vorasith Sornsrivichai, ปณิธี ธัมมะวิจยะ, Panithee Thammawijaya, ภาณุวิชญ์ แก้วกำจรชัย and Phanuwich Kaewkamjonchai. "การพัฒนาแบบจำลองบูรณาการระบบการแก้ไขปัญหาโรคติดเชื้อไวรัสโคโรนา 2019 เพื่อสนับสนุนกระบวนการตัดสินใจเชิงนโยบาย." 2563. <a href="http://hdl.handle.net/11228/5236">http://hdl.handle.net/11228/5236</a>.
.custom.total_download440
.custom.downloaded_today0
.custom.downloaded_this_month12
.custom.downloaded_this_year114
.custom.downloaded_fiscal_year204

Fulltext
Icon
Name: hs2580.pdf
Size: 18.57Mb
Format: PDF
 

This item appears in the following Collection(s)

Show simple item record